Способ выявления интервалов притока и поглощения флюидов в работающих нефтегазовых скважинах

Изобретение относится к промыслово-геофизическим исследованиям, а именно к способам выявления интервалов притока и поглощения флюидов в стволе скважины. В соответствии с предлагаемым способом выявления интервалов притока и поглощения флюидов в работающих нефтегазовых скважинах посредством устройства для измерения шума, размещенного в скважине, производят регистрацию шума вдоль ствола скважины и одновременно осуществляют промыслово-геофизические измерения. Промыслово-геофизические исследования содержат термометрию, барометрию и механическую расходометрию. Осуществляют контроль положения устройства для измерения шума в поперечном сечении ствола скважины. Осуществляют анализ и обработку зарегистрированных шумов во временной области, в процессе которой идентифицируют и удаляют клиппированные части сигнала, а также резкие высокоамплитудные выбросы на волновых формах. Рассчитывают распределение интенсивности зарегистрированного шума вдоль ствола скважины в двух частотных диапазонах и идентифицируют глубины, где происходят резкие изменения трендов профилей интенсивности зарегистрированного шума в выбранных частотных диапазонах и профилей других промыслово-геофизических измерений по стволу скважины. На основе идентифицированных глубин резкого изменения трендов профилей строят регрессивные профили для всех измерений по стволу скважины и производят автоматическую разметку интервалов глубин по стволу скважины, где имеют место значимые изменения каждого анализируемого регрессивного профиля. Выявляют интервалы глубин по стволу скважины в качестве кандидатов на наличие притока и поглощения флюидов, где имеет место пересечение разметок интервалов глубин по меньшей мере одного промыслово-геофизического измерения и распределения интенсивности шума по меньшей мере в одном диапазоне частот. Выбирают набор характерных параметров шумов в частотной и временной областях и строят профили характерных параметров шумов по длине скважины. Производят автоматическое разбиение интервалов глубин шумопроявления на несколько групп на основе выбранного набора характерных параметров шумов и идентифицируют природу шумов в полученных группах интервалов глубин. Выявляют интервалы притока и поглощения флюидов путем уточнения выявленных интервалов глубин по стволу скважины в качестве кандидатов на наличие притока и поглощения флюидов на основе идентифицированной природы шума в каждой группе. Обеспечивается повышение точности и достоверности определения интервалов притока и поглощения флюидов в скважине, а также сокращение времени, необходимого для интерпретации данных промыслово-геофизических исследований. 6 з.п. ф-лы, 9 ил.

 

Изобретение относится к промыслово-геофизическим исследованиям, а именно, к способам выявления интервалов притока и поглощения флюидов в стволе скважины. Данная информация может быть использована для оценки профиля притока или поглощения по стволу скважины, планирования работ по стимуляции нерабочих зон или перекрытию нежелательного притока газа или воды в ствол нефтедобывающей скважины, планированию работ по ремонту скважины с целью ликвидации мест негерметичности.

Известен метод скважинной шумометрии, основанный на измерении шума в скважине и интерпретации его характеристик. Данный метод используется в практике геофизических исследований начиная с 70-х годов прошлого столетия.

Традиционные методы шумометрии обычно регистрируют шум с частотами до 10 кГц и применяются как вспомогательные методы для локализации (распознавания) интервалов притока флюидов в скважине, обнаружения местоположения утечек в обсадных колоннах и заколонных перетоков.

Развитие скважинной аппаратуры и усовершенствование методов цифровой обработки сигналов кардинально повысило надежность и уровень информативности пассивной шумометрии, что позволяет выделять шумы от различных источников (от высокоамплитудных шумов течения в скважине до слабых шумов, порождаемых фильтрацией флюида в породе пласта) и проводить их количественный анализ.

Из уровня техники известна заявка US 20150204184, в которой раскрыт способ и устройство скважинной шумометрии, включая способ идентификации источников акустического шума (поток флюидов в стволе скважины, поток через перфорации и элементы конструкции скважины, заколонный переток, фильтрационный поток в пласте, поток в трещине) по характерному частотному диапазону генерируемых акустических сигналов. Согласно данному документу, наиболее предпочтительно регистрировать и анализировать акустический шум в частотном диапазоне от 8 Гц до 60 кГц с частотой опроса не менее 120 кГц, а оцифрованные частотные данные предпочтительно должны состоять из 1024 дискретных частотных каналов.

Однако, предложенный в заявке US 20150204184 метод предусматривает автономную регистрацию шумов в скважине в ходе отдельной спуско-подъемной операции без синхронизации с другими измерениями, причем запись шума осуществляется на стоянках с некоторым шагом по глубине (во избежание появления сильных сторонних шумов, возникающих при движении сборки приборов и обусловленных скрежетом элементов сборки приборов о стенку скважины, ударами центраторов и прибора и неровности в стволе скважины и т.д.), что затрудняет проведение совместной интерпретации данных, в особенности применение алгоритмов совместной автоматизированной обработки.

Кроме того, описанный в US 20150204184 способ идентификации источников акустического шума основывается только на одном признаке - характерном частотном диапазоне генерируемых акустических сигналов.

Из уровня техники известны заявка США US 20200256834 A1 и патент США US 11215049, в которых раскрыт способ обнаружения событий в скважине на основе анализа набора признаков регистрируемых шумов в частотной области. Способ включает в себя систему сбора и обработки акустических измерений для идентификации события в скважине, состоящую из блока приемника, процессора и памяти. Способ обнаружения события в стволе скважины включает в себя получение данных измерений от датчика, расположенного в стволе скважины, определение множества характеристик регистрирумых сигналов в частотной области, сравнение полученного множества характеристик регистрируемых сигналов в частотной области с сигнатурой искомого события (или событий) и определение наличия события в стволе скважины основываясь на соответствии множества характеристик регистрирумых сигналов в частотной области пороговым значениям и диапазонам изменения характеристик известной сигнатуры искомого события. В качестве характеристик регистрируемых сигналов в частотной области в документах US 20200256834 A1 и US 11215049 указываются спектральный центроид - спектральный аналог «центра масс» выборки данных, спектральный разброс - стандартное отклонение от спектрального центроида, уровень спада - частота, выделяющая на спектре участок (от начала оси частот до полученного значения) заданной мощности, спектральная плоскостность (неравномерность) - характеристика равномерности распределения сигнала по частотному диапазону, спектральный эксцесс и асимметрия, спектральная разница - отражает спектральное изменение между двумя последующими по глубине спектрами, угол наклона спектра, автокорреляционная функция спектра и ряд других признаков.

Основным недостатком способов, описанных в US 20200256834 A1 и US 11215049 является то, что предложенные способы ограничиваются обработкой и анализом только измерений шумов в скважине без интеграции с данными иных промыслово-геофизических исследований. Другим недостатком указанных способов является ограничение набора характеристик регистрируемых сигналов только характеристиками ("признаками") в частотной области. Расширение набора характеристик за счет включения характеристик исходных сигналов (волновых форм) во временной области, таких как частота пересечений нуля или иного фиксированного уровня, коэффициенты эксцесса и асимметрии волновых форм, энтропия сигнала, например, выборочная энтропия или аппроксимированная энтропия (например, Richinan, J.S. and Moorman, J.R. Physiological time-series analysis using approximate entropy and sample entropy. American Journal of Physiology. Heart and Circulatory Physiology. 2000. 278(6): H2039-49) повышает надежность идентификации события (например, Eyben F. Real-time speech and music classification by large audio feature space extraction. 2016. Springer Theses). Дополнительную информацию о событии в стволе скважины позволяет получить анализ изменения трендов профилей интенсивности зарегистрированного шума вдоль ствола скважины в выбранных частотных диапазонах, трендов профилей иных характеристик зарегистрированного шума и трендов профилей других измерений комплекса ПГИ.

Технический результат, достигаемый при реализации изобретения, заключается в повышении точности и достоверности определения интервалов притока и поглощения флюидов в скважине, а также сокращении времени, необходимого для интерпретации данных промыслово-геофизических исследований, и повышении разрешающей способности вдоль ствола скважины за счет совместного проведения традиционных промыслово-геофизических исследований и широкополосной скважинной шумометрии и/или распределенных акустических измерений, выполненных с помощью оптоволоконного кабеля, спущенного в скважину, с последующей совместной автоматической обработкой измерений всех используемых методов.

Указанный технический результат достигается тем, что в соответствии с предлагаемым способом выявления интервалов притока и поглощения флюидов в работающих нефтегазовых скважинах производят регистрацию шума вдоль ствола скважины посредством устройства для измерения шума, размещенного в скважине, и одновременно осуществляют промыслово-геофизические измерения, содержащие по меньшей мере термометрию, барометрию и механическую расходометрию, при этом осуществляют контроль положения устройства для измерения шума в поперечном сечении ствола скважины. Осуществляют анализ и обработку зарегистрированных шумов во временной области, в процессе которой идентифицируют и удаляют клиппированные части сигнала, а также резкие высокоамплитудные выбросы на волновых формах. Рассчитывают распределение интенсивности зарегистрированного шума вдоль ствола скважины по меньшей мере в двух частотных диапазонах и идентифицируют глубины, где происходят резкие (например, скачки более 0.1 размаха сигнала) изменения трендов профилей интенсивности зарегистрированного шума в выбранных частотных диапазонах и профилей других промыслово-геофизических измерений по стволу скважины. На основе идентифицированных глубин резкого изменения трендов профилей строят регрессивные профили для всех измерений по стволу скважины. Производят автоматическую разметку интервалов глубин по стволу скважины, где имеют место значимые изменения каждого анализируемого регрессивного профиля, и выявляют интервалы глубин по стволу скважины в качестве кандидатов на наличие притока и поглощения флюидов, где имеет место пересечение разметок интервалов глубин по меньшей мере одного промыслово-геофизического измерения и распределения интенсивности шума по меньшей мере в одном диапазоне частот. Выбирают набор характерных параметров шумов в частотной и временной области и строят профили характерных параметров шумов по длине скважины. Производят автоматическое разбиение интервалов глубин шумопроявления на несколько групп на основе выбранного набора признаков и идентифицируют природу шумов в полученных группах интервалов глубин. Выявляют интервалы притока и поглощения флюидов путем уточнения выявленных интервалов глубин по стволу скважины в качестве кандидатов на наличие притока и поглощения флюидов на основе идентифицированной природы шума в каждой группе.

Изобретение поясняется чертежами, где на фиг. 1 приведены исходный профиль и регрессивный профиль интенсивности шума для интервала частот от 160 до 1280 Гц; на фиг. 2а показан исходный профиль и регрессивный профиль интенсивности шума для интервала частот от 5 до 10 кГц, на фиг. 2б показана разность исходного и регрессивного профилей, на фиг.2в показано медианное среднее модуля разности и его регрессивный профиль; на фиг. 3 показано определение оптимального количества кластеров; на фиг. 4 показан результат разбиения интервалов глубин шумопроявления на несколько кластеров и профили некоторых характеристик спектра и волновых форм; на фиг. 5а приведены типичные спектры шумов, зарегистрированных в интервале притока газа, выше зоны притока газа и значительно ниже зоны притока газа, где имеет место однофазное течение воды в скважине, на фиг.5б приведены волновые формы шумов, зарегистрированных в интервале притока газа, выше зоны притока газа и значительно ниже зоны притока газа, где имеет место однофазное течение воды в скважине; на фиг. 6а показаны спектры, а на фиг. 6б - волновые формы шумов, зарегистрированных в лабораторном эксперименте с притоком газа в заполненную водой емкость; на фиг. 7 показаны исходный профиль и регрессивный профиль расходомера, а также показана разность исходного и регрессивного профилей; на фиг.8 показаны исходный профиль и регрессивный профиль влагомера, а также разность исходного и регрессивного профилей; на фиг.9 приведены исходный профиль и регрессивный профиль датчика температуры, а также показана разность исходного и регрессивного профилей.

В соответствии с предлагаемым способом выявления интервалов притока и поглощения флюидов производят регистрацию шума по стволу скважины совместно с другими измерениями комплекса промыслово-геофизических исследований (включающими по меньшей мере термометрию, барометрию и механическую расходометрию), выполняемыми в соответствии со стандартными методиками, например, Ипатов А.И., Кременецкий М.И. Геофизический и гидродинамический контроль разработки месторождений углеводородов, М., НИЦ «Регулярная и хаотическая динамика», Институт компьютерных исследований, 2006, подглава 2.5.2, стр. 107-126.; Hill A.D. Production logging: theoretical and interpretive elements, SPE Monograph. Series 14, 1990, chapters 4, 6, 9, pages 19-36, 61-75, 90-111.

В соответствии с одним из вариантов реализации изобретения регистрацию шума внутри ствола скважины производят с помощью скважинного прибора (шумомера), содержащего по меньшей мере один детектор шума. В процессе измерений осуществляют контроль положения скважинного прибора регистрации шума (шумомера) в поперечном сечении ствола скважины, что обеспечивается, например, использованием соответствующего количества и типа центраторов исходя из известной массы сборки приборов (предпочтительно обеспечение центрирования прибора вблизи оси скважины).

Предпочтительно, минимальная частота регистрируемого шума не превышает 150 Гц, а максимальная частота регистрируемого шума составляет не ниже 40 кГц.

Предпочтительно регистрацию шума в скважине осуществляют в режиме непрерывной протяжки (т.е. при движении связки приборов по стволу скважины) синхронно в связке с другими приборами, используемыми для проведения комплекса промыслово-геофизических исследований. При этом поддерживают стабильную скорость протяжки скважинных приборов (т.е. скорость движения связки приборов по стволу скважины), избегая резких скачков (что контролируется, например, скоростью вращения барабана геофизической лебедки).

Предпочтительно скорость протяжки скважинных приборов не превышает 300 м/ч.

При регистрации шума в режиме непрерывной протяжки предпочтительно ряд измерений осуществляют на остановках для получения "референского" шума, т.е. шума в скважине без влияния сильных сторонних шумов, возникающих при движении связки приборов по стволу скважины. Предпочтительный шаг проведения записи на остановках по стволу скважины 50 метров.

В соответствии с другим вариантом осуществления изобретения шум по стволу скважины регистрируют с помощью оптоволоконного кабеля, спущенного в скважину.

Регистрация шума с помощью оптоволоконного кабеля может осуществляться в дополнение к измерениям, выполненным с помощью скважинного шумомера.

Осуществляют анализ и обработку зарегистрированных шумов во временной области, в процессе которой идентифицируют и удаляют клиппированные части сигнала, а также резкие высокоамплитудные выбросы на волновых формах, вызванные, например, механическими ударами центраторов или шумомера или иных приборов, входящих в сборку, о стенки скважины.

Предпочтительно делают дополнительную коррекцию относительных сдвигов датчиков по глубине для их привязки к единой глубине, обычно отсчет идет от крайнего прибора в связке.

Рассчитывают распределение интенсивности зарегистрированного шума вдоль ствола скважины не менее, чем в двух частотных диапазонах и автоматически идентифицируют глубины, где происходят резкие изменения трендов профилей интенсивности зарегистрированного шума в выбранных частотных диапазонах и профилей других измерений комплекса ПГИ по стволу скважины ("профилем" традиционно называют распределение некоторого параметра, например результата измерения некоторого прибора, вдоль ствола скважины).

Основываясь на идентифицированных глубинах резкого изменения трендов профилей, автоматически строят регрессивные профили для измерений шумомера и других измерений комплекса ПГИ по стволу скважины. В качестве регрессивных профилей могут использоваться, например, кусочно-линейные профили с разрывами.

При необходимости рассматривают разность исходного и регрессивного профиля, которая помимо случайного измерительного шума может содержать в себе и некоторый остаточный полезный сигнал. Для использования последнего в анализе эту разность можно отфильтровать от измерительного шума, например, осреднением, а затем построить вторичный регрессивный профиль для результата фильтрации.

Производят автоматическую разметку интервалов глубин по стволу скважины, где имеют место события - значимые изменения каждого анализируемого регрессивного профиля. Под значимым изменением имеются в виду скачки профиля, скачки его наклона, и другие характерные аномалии графика профиля; список и количественные характеристики таких аномалий должен быть составлен заранее экспертами для каждого типа профиля (например, для регрессивного профиля расходомера аномалией может считаться скачок профиля более 0.05 размаха сигнала).

При этом тип профиля определяется как физикой измерений (термометрия, расходометрия, частотный диапазон шумометрии и т.д.), так и тем, является ли он вторичным (в смысле определения, приведенном в предыдущем пункте)

Производят автоматическую локализацию интервалов глубин по стволу скважины в качестве кандидатов на наличие притока и поглощения флюидов, где имеет место пересечение разметок интервалов глубин хотя бы одного измерения ПГИ и распределения интенсивности шума хотя бы в одном диапазоне частот.

Выбирают набор характерных параметров ('признаков') шумов в частотной и временной области, строят профили характерных параметров шумов по длине скважины. Количество признаков должно быть не менее трех, выбор признаков осуществляют исходя из их чувствительности (вариативности вдоль ствола скважины) и отсутствия сильной корреляции между отобранными признаками; подробное описание наиболее распространенных признаков, используемых для автоматического распознавания речи и классификации музыки можно найти, например в Eyben F. Real-time speech and music classification by large audio feature space extraction. 2016. Springer Theses.

Производят автоматическое разбиение интервалов глубин шумопроявления на несколько групп (кластеров) на основе выбранного набора признаков, например, путем применения кластерного анализа.

Идентифицируют природу шумов в выделенных группах интервалов глубин, например, путем сопоставления с набором признаков шумов типичных источников (шум многофазного течения в скважине, шум притока, шум в пласте, и т.д.), известных на основе моделирования или из лабораторных или полевых тестов.

Производят автоматическое уточнение интервалов глубин по стволу скважины в качестве кандидатов на наличие притока и поглощения флюидов на основе идентифицированной на предыдущем шаге природы шума в каждой группе.

Другим вариантом уточнения интервалов глубин по стволу скважины в качестве кандидатов на наличие притока и поглощения флюидов является выделения "уникальной" группы интервалов глубин, соответствующей одному или нескольким локализованным в узком интервале глубин откликам шума, что типично для интервалов притока и поглощения флюидов.

При совместной обработке данных шумометрии и промыслово-геофизических исследований, записанных в горизонтальном стволе скважины (на этапе автоматической локализации интервалов глубин по стволу скважины на наличие интервалов притока и поглощения флюидов, где имеет место пересечение разметок интервалов глубин хотя бы одного измерения ПГИ и распределения интенсивности шума хотя бы в одном диапазоне частот), предпочтительно проводят автоматическую локализацию интервалов глубин, где имеет место изменение тренда графика глубины скважины (например, окрестности минимума, максимума, точек перегиба), для более надежного разделения откликов шумов и промыслово-геофизических измерений, обусловленных влиянием траектории, от откликов шумов и промыслово-геофизических измерений, вызванных наличием интервалов притока и поглощения флюидов.

В качестве примера реализации разработанный алгоритм был применен к набору полевых данных, замеренных в вертикальной скважине, преимущественно заполненной водой, с притоком газа в интервале от 380 до 394 футов и воды в интервалах от 522 до 534 футов и от 582 до 600 футов. На скважине проведен комплекс промыслово-геофизических исследований (ПГИ), включающий термометрию, барометрию, плотностеметрию, механическую расходометрию, а также широкополосную скважинную шумометрию. Регистрация шумов была выполнена индустриальным скважинным шумомером в диапазоне частот от 8 Гц до 60 кГц. Включение в сборку приборов центратора обеспечивало центрирование шумомера вблизи оси скважины (как показывают результаты численного моделирования, распределение спектра акустического давления значительно варьируется по сечению скважины, поэтому неконтролируемые смещения положения шумомера в сечении скважины значительно усложняют интерпретацию зарегистрированных шумов, например Мутовкин Н.В., Михайлов Д.Н., Софронов И.Л. Трехмерное моделирование акустического поля в скважине, возбуждаемого источником в пласте. Труды МФТИ. 2020. Vol.12, №1. Р. 143-153).

Та часть алгоритма, которая отвечает за анализ резкого изменения трендов профилей показаний различных приборов вдоль ствола скважины, использует выделение точек скачков графика исходного профиля для построения так называемых регрессивных профилей. Скачки графика какой-либо функции можно находить различными методами, например с помощью подхода PELT (Pruned Exact Linear Time), представленным в Killick R, Fearnhead P, Eckley IA: PELT Algorithm: Optimal detection of changepoints with a linear computational cost // 2012, The Journal of the Acoustical Society of America.

В качестве регрессивных профилей измерений шумомера использовались кусочно-линейные профили с разрывами. Они получены автоматически с помощью PELT, выделяющего скачки, и последующего применения линейной регрессии между скачками.

Для локализации интервалов притока воды анализировалась низкочастотная часть сигнала шумомера в трех-октавном интервале частот от 160 до 1280 Гц. На Фиг. 1 изображены исходный (пунктирная линия) и регрессивный (сплошная жирная линия) профили интенсивности шума в данном диапазоне частот.

Локализация в регрессивном профиле интервалов притока воды в местах скачков изменения уровня шума проводится, например, с использованием модели слабого контроля (WS, weak supervision), Ratner А., Sa C.D., Wu S., Selsam D., Re C. Data Programming: Creating Large Training Sets, Quickly, 2016. В этой вероятностной модели машинного обучения без учителя вместо традиционной экспертной разметки применяются наборы данных, получаемые в результате работы слабых разметочных функций (LFs, labelling functions). Последние могут представлять собой эмпирические или любые другие правила, которые по отдельности не обязаны быть точными, могут не охватывать множество всех возможных объектов для разметки и могут даже противоречить друг другу. В нашем примере мы используем для функций разметки выжимку из экспертных знаний, описанных в литературе, отчетах и т.п., имеющих отношение к анализируемому процессу (например, одним из таких правил является возрастание вниз по потоку уровня низкочастотного шума, генерируемого движением флюида в скважине в результате притока воды). Так как итоговое решение строится с оценкой неопределенности, не требуется жесткого контроля над качеством функций разметки - они должны быть просто достаточно адекватны с точки зрения эксперта. В модели слабого контроля наборы данных, генерируемые «неточными» разметочными функциями, описываются как «зашумленные». Соответственно, в процессе построения модели происходит избавление от этого шума благодаря учету корреляций между наборами данных; тем самым формируется итоговая разметка.

Результатом применения алгоритма явилась итоговая разметка интервалов глубин в окрестности скачков интенсивности шума, отмеченных на Фиг. 1 точками А и Б, как кандидатов на притоки воды. Видно, что в этих местах происходит заметное возрастание уровня низкочастотного шума, генерируемого движением жидкости в скважине (поток в скважине идет в направлении уменьшения глубины), которое вызвано, скорее всего, притоками воды, усиливающими степень турбулентности потока в скважине.

Для выделения интервалов притока газа использовалась высокочастотная часть сигнала шумомера в одно-октавном интервале частот от 5 до 10 кГц. На Фиг. 2а изображены исходный (пунктирная линия) и регрессивный (сплошная жирная линия) профили интенсивности шума в данном диапазоне частот, на Фиг. 2б - их разность, на Фиг. 2в - регрессивный профиль (жирная сплошная линия) для графика усредненного модуля разности (пунктирная линия) по окну шириной 16 м.

Одним из экспертных правил для построения описанной выше модели слабого контроля для локализации притока газа в жидкость является повышение высокочастотной составляющей шумопроявления вниз по потоку (шум турбулентной газо-водяной смеси). Анализ в рассмотренном примере состоит из двух этапов: выделение привносимого высокочастотного шума из общего шума потока - Фиг. 2б, и нахождение интервала повышения этого шума - точка В на графиках 2в.

Отметим, что условное деление сигнала шумомера на частотные диапазоны в данном примере, например, низкочастотный 160-1280 Гц и высокочастотный 5-10 кГц, также представляют собой варианты экспертных правил. Они не являются жесткими, и могут быть заменены или дополнены аналогичными правилами с другими значениями диапазонов.

В данном примере в другой части алгоритма, которая отвечает за анализ характеристик зарегистрированных шумов в частотной и временной области для уточнения интервалов глубин притока, использовался следующий набор характерных параметров (признаков):

1. Спектральный центроид - спектральный аналог «центра масс» выборки данных:

где K - количество частотных каналов в спектре, f_k - значение частоты с индексом k, X_k - амплитуда спектра для k-го значения частоты.

2. Спектральная плоскостность (неравномерность) - характеристика равномерности распределения сигнала по частотному диапазону:

F=(среднее геометрическое)/(среднее арифметическое) Высокая спектральная плоскостность указывает на то, что мощность спектра распределена равномерно во всем диапазоне частот (сигнал близок к белому шуму). Низкая спектральная плоскостность отражает тот факт, что мощность сигнала сосредоточена в относительно небольшом диапазоне частот.

3. Угол наклона спектра - количественно характеризует основной угол спада спектра (например, в приближении степенной аппроксимации).

4. Количество пиков на спектре.

5. Первые три кепстральные коэффициенты (СЕР) - вычисляются по формуле (например, Eyben F. Real-time speech and music classification by large audio feature space extraction. 2016. Springer Theses):

где FFT(x) - спектр шума.

6. Спектральный разброс - стандартное отклонение от спектрального центроида.

7. Уровень спада - частота, выделяющая на спектре участок (от начала оси частот до полученного значения) заданной мощности. Рассматривались уровни спада сигнала 50% и 75%.

8. Спектральная энтропия:

9. Спектральная разница - отражает спектральное изменение между двумя последующими по глубине спектрами. Вычисляется как квадрат разности между значениями спектров на глубинах m и m-1:

10. Коэффициент асимметрии волновых форм - третий центральный момент Дз, деленный на стандартное отклонение в третьей степени σ³:

11. Коэффициент асимметрии спектра:

где С - спектральный центроид.

12. Коэффициент эксцесса - характеристика распределения вероятности, для волновых форм рассчитывающаяся как четвертый центральный момент μ₄, деленный на стандартное отклонение (квадратный корень от дисперсии) в четвертой степени σ⁴ по формуле:

13. Коэффициент эксцесса спектра:

где С - спектральный центроид.

14. Частота пересечений нуля:

где s_n - n-е значение сигнала, состоящего из N точек, - среднее значение сигнала.

15. Выборочная энтропия (sample entropy) - один из вариантов оценивания энтропии динамических систем и временных рядов данных (например, Richman, J.S. and Moorman, J.R. Physiological time-series analysis using approximate entropy and sample entropy. American Journal of Physiology. Heart and Circulatory Physiology. 2000. 278(6): H2039-49).

В общем случае может быть использована лишь часть из описанных выше признаков или добавлены иные характеристики регистрируемых шумов в частотной и временной области. Подробное описание наиболее распространенных признаков, используемых для автоматического распознавания речи и классификации музыки можно найти, например в Eyben F. Real-time speech and music classification by large audio feature space extraction. 2016. Springer Theses.

Для автоматического разбиения интервалов глубин шумопроявления на несколько групп (кластеров) на основе выбранных признаков применялся метод кластеризации К-средних (K-means), описание которого приведено, например в MacQueen, J.В. Some Methods for classification and analysis of multivariate observations. Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probability. 1967. V. 1. University of California Press, 281-297.

Особенностью метода K-средних является чувствительность к заданному количеству кластеров. В нашем примере оптимальное количество кластеров определялось на основе значений двух критериев:

• инерция - близость точек данных, выделенных в один кластер, к центру кластера;

• силуэт - характеристика удаленности точек одного кластера друг от точек другого, а также близости точек в кластере.

Оптимальному количеству кластеров соответствуют максимальное значение силуэта и точке излома кривой инерции. В представленном примере оптимальное количество кластеров - пять (Фиг. 3).

Результат разбиения интервалов глубин шумопроявления на несколько групп (кластеров) и профили некоторых характеристик спектра и волновых форм представлены на Фиг. 4.

Анализируя полученные профили характеристик шумов в частотной и временной области, а также разбиение интервалов глубин шумопроявления на кластеры, можно сделать вывод, что зонам притока соответствуют резкие скачкообразные (в некоторых случаях ступенчатые) изменения характеристик. В представленном примере зона притока газа соответствует резким изменениям всех семи устойчивых характеристик и выделяется в отдельный кластер №3.

Также автоматически выделяется участок ствола скважины (кластер №4) с пузырьковым течением газа в водяном потоке, реализующимся выше зоны притока газа. Данный режим течения может обеспечивать акустический сигнал в низко- и среднечастотном диапазоне (<10 кГц).

Сравнение типичных спектров и волновых форм шумов, зарегистрированных в интервале притока газа, выше зоны притока газа и значительно ниже зоны притока газа, где имеет место однофазное течение воды в скважине, приведено на Фиг. 5а и Фиг. 5б.

Природа шумов в выделенных кластерах замеров шумометрии в скважине (Фиг. 4) может быть идентифицирована путем сравнения с "референсными" спектрами и волновыми формами, например, для шумов, зарегистрированных в лабораторных эспериментах с контролируемыми условиями. В качестве примера на Фиг. 6 приведены спектры и волновые формы шумов, зарегистрированных в лабораторном эксперименте с притоком газа при различных расходах в заполненную водой большую емкость, внутренние стенки которой покрыты звукопоглощающим материалом. Записи шума произведены гидрофоном, находящемся внутри емкости с водой над точкой инжекции газа. На Фиг. 6а представлена типичная волновая форма, соответствующая малым расходам газа, когда газ движется через жидкость в виде отдельных свободно всплывающих пузырьков ("свободный барботаж"). На волновой форме четко прослеживаются одиночные импульсы, генерируемые отдельными пузырьками газа. На Фиг. 6б представлена типичная волновая форма шума при более высоких расходах газа, когда последовательно отрывающиеся от отверстия пузырьки соприкасаются друг с другом и поднимаются в жидкости в виде цепочки пузырьков ("цепной барботаж").

Сопоставление волновых форм и спектров замеров шумометрии (Фиг. 5а и Фиг. 5б) в зоне притока газа (глубина 390 футов, кластер №3) и выше притока газа (глубина 365 футов, кластер №4) со спектрами и волновыми формами шумов, зарегистрированных в лабораторных эспериментах (Фиг. 6а и Фиг. 6б), позволяют идентифицировать природу шума в соответствующих кластерах - шум, генерируемый цепочкой пузырьков в зоне притока газа (кластер №3) и шум, генерируемый взаимодействием прибора с пузырьковым течением газа в водяном потоке в зоне выше притока газа (кластер №4). В частности, как для полевых, так и для лабораторных спектров шумов характерны максимумы в частотном диапазоне от 1 до 3 кГц и спад спектральной плотности с ростом частоты по степенному закону в частотном диапазоне от 5 до 20 кГц.

Для анализа изменения трендов профилей показаний различных приборов ПГИ вдоль ствола скважины применяются те же алгоритмы, что и для анализа изменения трендов профилей интенсивности шума (Фиг. 1 и Фиг. 2). При этом нужно учитывать следующее. Вид регрессивных профилей и процедура их построения могут зависеть от типа измерения и даже от конструктивных особенностей прибора. Например, для влагомера могут применяться кусочно-постоянные профили, для температуры может оказаться полезным применение кусочно-линейных профилей с разрывами для производной сигнала датчика вдоль ствола скважины и т.д. После того как построены регрессивные профили для замеров рассматриваемых приборов, их совместный анализ выполняется, например, с использованием модели слабого контроля, в которой для функций разметки могут использоваться экспертные знания как для каждого регрессивного профиля в отдельности, так и совместного проявления значимых изменений в двух или более регрессивных профилях. Также при совместном анализе регрессивных профилей учитывается то, что для разных датчиков они могут иметь разные координаты скачков для одного и того же события, например притока, и то, что само событие имеет некоторую протяженность. Для этого вводится окно заданного размера, в котором событие рассматривается, и «непрерывная» траектория при разметке заменяется на оконные интервалы размером, например, 5 метров.

Варианты построения регрессивных профилей для показаний датчиков расходомера, влагомера и температуры в связке приборов ПГИ в рассмотренном примере приведены на Фиг. 7-9.

Пересечение интервалов глубин, где имеют место изменения регрессивных профилей измерений ПГИ, в нашем примере - показаний расходомера (Фиг. 7) и изменения регрессивного профиля интенсивности шума для интервале частот от 160 до 1280 Гц (Фиг. 1) позволяет выделить интервалы глубин от 522 до 534 футов и от 582 до 600 футов в качестве кандидатов на притоки флюида, а совместные изменения регрессивного профиля показаний расходомера (Фиг. 7) и регрессивного профиля интенсивности шума для интервала частот от 5 кГц до 10 кГц (Фиг. 2) в интервале глубин от 380 до 394 футов позволяет выделить в качестве кандидата на притоки флюида и это интервал.

Автоматическое разбиение интервалов глубин шумопроявления на несколько групп (кластеров) на основе выбранного набора признаков (Фиг. 4) и идентификация природы шумов путем сравнения с "референсными" спектрами и волновыми формами, зарегистрированными в лабораторных экспериментах позволило уточнить, что интервал глубин от 380 до 394 футов соответствует притоку газа.

1. Способ выявления интервалов притока и поглощения флюидов в работающих нефтегазовых скважинах, в соответствии с которым:

- посредством устройства для измерения шума, размещенного в скважине, производят регистрацию шума вдоль ствола скважины и одновременно осуществляют промыслово-геофизические измерения, содержащие по меньшей мере термометрию, барометрию и механическую расходометрию, при этом осуществляют контроль положения устройства для измерения шума в поперечном сечении ствола скважины;

- осуществляют анализ и обработку зарегистрированных шумов во временной области, в процессе которой идентифицируют и удаляют клиппированные части сигнала, а также резкие высокоамплитудные выбросы на волновых формах;

- рассчитывают распределение интенсивности зарегистрированного шума вдоль ствола скважины по меньшей мере в двух частотных диапазонах и идентифицируют глубины, где происходят резкие изменения трендов профилей интенсивности зарегистрированного шума в выбранных частотных диапазонах и профилей других промыслово-геофизических измерений по стволу скважины;

- на основе идентифицированных глубин резкого изменения трендов профилей строят регрессивные профили для всех измерений по стволу скважины;

- производят автоматическую разметку интервалов глубин по стволу скважины, где имеют место значимые изменения каждого анализируемого регрессивного профиля;

- выявляют интервалы глубин по стволу скважины в качестве кандидатов на наличие притока и поглощения флюидов, где имеет место пересечение разметок интервалов глубин по меньшей мере одного промыслово-геофизического измерения и распределения интенсивности шума по меньшей мере в одном диапазоне частот;

- выбирают набор характерных параметров шумов в частотной и временной областях и строят профили характерных параметров шумов по длине скважины;

- производят автоматическое разбиение интервалов глубин шумопроявления на несколько групп на основе выбранного набора характерных параметров шумов;

- идентифицируют природу шумов в полученных группах интервалов глубин;

- выявляют интервалы притока и поглощения флюидов путем уточнения выявленных интервалов глубин по стволу скважины в качестве кандидатов на наличие притока и поглощения флюидов на основе идентифицированной природы шума в каждой группе.

2. Способ выявления интервалов притока и поглощения флюидов в работающих нефтегазовых скважинах по п. 1, в соответствии с которым устройство для измерения шума представляет собой скважинный прибор, содержащий по меньшей мере один детектор шума.

3. Способ выявления интервалов притока и поглощения флюидов в работающих нефтегазовых скважинах по п. 2, в соответствии с которым прибор, содержащий по меньшей мере один детектор шума, перемещают вдоль ствола скважины с постоянной скоростью синхронно в связке с приборами, осуществляющими промыслово-геофизические измерения.

4. Способ выявления интервалов притока и поглощения флюидов в работающих нефтегазовых скважинах по п. 2, в соответствии с которым перемещение скважинного прибора вдоль ствола скважины осуществляют с остановками, а регистрацию шума проводят как в процессе перемещения прибора вдоль ствола скважины, так и во время остановок.

5. Способ выявления интервалов притока и поглощения флюидов в работающих нефтегазовых скважинах по п. 2, в соответствии с которым осуществляют дополнительные измерения шума в скважине посредством спущенного в скважину оптоволоконного кабеля.

6. Способ выявления интервалов притока и поглощения флюидов в работающих нефтегазовых скважинах по п. 1, в соответствии с которым устройство для измерения шума представляет собой оптоволоконный кабель, спущенный в скважину.

7. Способ выявления интервалов притока и поглощения флюидов в работающих нефтегазовых скважинах по п. 1, в соответствии с которым при совместной обработке данных шумометрии и промыслово-геофизических исследований, записанных в горизонтальном стволе скважины, проводят локализацию интервалов глубин, где имеет место изменение тренда графика глубины скважины.